Tutorial: Modelos de ML de un extremo a otro en Azure Databricks
El aprendizaje automático en el mundo real es complicado. A los orígenes de datos les faltan valores, se incluyen filas redundantes o no hay suficiente espacio en la memoria. La ingeniería de características exige conocimientos especializados y puede resultar tediosa. El modelo frecuentemente reúne conocimiento e ingenierías de sistemas, por lo que no solo hay que conocer los algoritmos, sino que también la arquitectura de máquinas y los sistemas distribuidos.
Azure Databricks hace más sencillo este proceso. En el siguiente cuaderno tutorial de 10 minutos, se muestra un ejemplo de un extremo a otro de entrenamiento de los modelos de Machine Learning en datos tabulares.
Usted mismo puede importar y ejecutar este cuadernos, o copie fragmentos de código para su uso.
Notebook
Si el área de trabajo está habilitada para Unity Catalog, use esta versión del cuaderno:
Uso de scikit-learn con la integración de MLflow en Databricks (Unity Catalog)
Si el área de trabajo no está habilitada para Unity Catalog, use esta versión del cuaderno:
Uso de scikit-learn con la integración de MLflow en Databricks
Comentarios
https://aka.ms/ContentUserFeedback.
Próximamente: A lo largo de 2024 iremos eliminando gradualmente GitHub Issues como mecanismo de comentarios sobre el contenido y lo sustituiremos por un nuevo sistema de comentarios. Para más información, vea:Enviar y ver comentarios de